实习四回归分析.ppt

* P：不变诊 * * 删失：氢关心的事件未被观测到或无法被观测到，以至准确的生存时间未被记录到的情况 * Logistic回归方程的假设检验 1.检验整个模型：检验因变量与自变量之间的关系能否用所建立的回归方程来表示，用似然比检验； 2.检验单个回归系数是否为0，即检验单个自变量对因变量的影响是否存在，用 waldχ2检验。 * * * * 先将贡献最大的变量进入方程，再将贡献次大的变量进入方程……，直到所有有意义的变量都进入方程为止。 * * * * * * * 1.要求相应的变量呈双变量正态分布，这里并非简单要求x和y各自服从正态分布，而是要求服从一个联合的双变量正态分布。 2.样本中存在极端值要慎重考虑和处理，必要时可以对其进行剔除或进行变量变换。需要注意，有时分别观察每个变量的极端值并不明显，但是联合观察两个变量时变会突显出来。 * * * * Regression Coefficients：回归系数 Estimate：非标准化及标准化回归系数β、标准误，及其显著性检验结果（t值和P值）。 Confidence intervals：非标准化回归系数的95%可信区间。 Model fit：模型拟合优度检验，给出复相关系数R，决定系数R2，调整R2及方差分析结果 R squared change：每剔出或引入一个自变量所引趋同的R2的变化量及相应的F值和P值。 Descriptives：输出每个变量的均数、标准差，样本容量，相关系数及单侧检验P值的矩阵。 Part and partial correlations：简单相关系数及偏相关系数。 Collinearity diagnostics：输出共线性诊断的统计量。 Residuals：用于选择输出残差诊断的信息All cases：给出所有观察单位的残差、标准化残差和预测值。 * * * 模型假设：LINE 诊断方法：残差分析。 残差的直方图判断分布的正态性。 绘制残差与反应变量预测值的散点图考察模型是否满足线性和方差齐性。 * 先将贡献最大的变量进入方程，再将贡献次大的变量进入方程……，直到所有有意义的变量都进入方程为止。 * * 先将贡献最大的变量进入方程，再将贡献次大的变量进入方程……，直到所有有意义的变量都进入方程为止。 * 先将贡献最大的变量进入方程，再将贡献次大的变量进入方程……，直到所有有意义的变量都进入方程为止。 * * 先将贡献最大的变量进入方程，再将贡献次大的变量进入方程……，直到所有有意义的变量都进入方程为止。 * * * * Logistic回归方程的假设检验 1.检验整个模型：检验因变量与自变量之间的关系能否用所建立的回归方程来表示，用似然比检验； 2.检验单个回归系数是否为0，即检验单个自变量对因变量的影响是否存在，用 waldχ2检验。 * * * 先将贡献最大的变量进入方程，再将贡献次大的变量进入方程……，直到所有有意义的变量都进入方程为止。 * * 方程中的符号有正有负，正的示Y与X 呈同向线性变化趋势，负的表示Y与呈反向变化趋势。 * 1.对变量的赋值方式不同，那么结果中参数估计值及符号将会有不同，进而对结果的解释会有不同。 2.多个自变量，注意两个问题：一是自变量的筛选问题，二是无序多分类变量的哑变量化问题 * * * 基于“条件参数”和”最大似然估计”的筛选方法都比较可靠，尤以后者为佳，但基于” Ward统计量”的检验则不然，它实际上未考虑各因素的综合作用，当因素间存在共线性时，结果不可靠。